Sakana AI联手UC Berkeley推出RSI新成果MASS，模型两轮自我进化后自我评估准确率从73%升至93%

由Transformer奠基论文核心作者Llion Jones创办的Sakana AI联手UC Berkeley，推出递归自我改进（RSI）新成果MASS：同一个开源模型自行分身组队、互相挑错并做训练，再把经验灌回本体。跑完两轮自我进化后，模型在多项开放式科研任务中的输出Token效率提升1.2～1.6倍，自我评估准确率从73%升至93%。

市场有风险，投资需谨慎。本文为AI基于第三方数据生成，仅供参考，不构成个人投资建议。